INTELIGENCIA ARTIFICIAL

INTELIGENCIA ARTIFICIAL

sábado, 4 de mayo de 2019

Las Nuevas Tecnologías al servicio de la discapacidad

Según se desprende del IV Informe Tecnología y Discapacidad, elaborado por la Fundación Adecco y Keysight, la contratación de personas con discapacidad está registrando un crecimiento imparable. De hecho, el año pasado alcanzó su máximo histórico: 82.977 contratos, un 19% más que el año anterior, cuando se registró la cifra de 69.648.

Captura de pantalla 2015-07-13 a la(s) 12.40.46
En este incremento de contrataciones son muchos los factores que han influido, principalmente un cambio de mentalidad por parte de las empresas y de las propias personas con discapacidad. Las nuevas generaciones se plantean un futuro profesional en el que puedan trabajar, rompiendo la anacrónica tradición que relaciona a la persona con discapacidad con la inactividad y la dependencia.
Sin embargo, la Revolución Tecnológica también ha podido influir en este incremento de las contrataciones. En efecto, la irrupción de las Nuevas Tecnologías y adaptaciones tecnológicas, permiten a las personas con discapacidad desempeñar puestos de trabajo en los que hace años estaban prácticamente excluidos. Estas adaptaciones mitigan las dificultades derivadas de la movilidad, la audición o la visión reducidas, posibilitando que las personas con discapacidad utilicen su potencial cognitivo en el ámbito laboral
Nos referimos, por ejemplo, a los siguientes productos:
  • Para personas con discapacidad física: mesas regulables en altura, teclados con cobertores o teclas de gran tamaño que impiden pulsaciones accidentales, ratones virtuales o ergonómicos, etc.
  • Para personas con discapacidad visual: pantallas de gran formato, lectores de pantalla, impresoras de braile, magnificadores o lupas aumentativas, etc.
  • Para personas con discapacidad auditiva: intérpretes de lengua de signos, emisoras de frecuencia modulada, prótesis auditivas, etc.
  • Para personas con discapacidad intelectual la variedad es menor. Si bien en los últimos años hemos visto surgir las páginas de lectura fácil (con lenguaje sencillo y claro, de forma que puedan ser entendidos por todos) o las Apps basadas en pictogramas intuitivos, la oferta es aún muy residual.

Del total de encuestados con empleo, más la mitad (un 53%) asegura que este tipo de adaptaciones facilitan en gran medida las tareas que su puesto de trabajo requiere, permitiéndoles ser autónomos en sus tareas. Frente a éstos, existe un 47% que no utiliza este tipo de tecnologías en su entorno laboral, aunque en algunos casos sí tecnologías convencionales.

La tecnología al servicio de la calidad de vida

Además del plano laboral, resulta muy importante el papel que han desempeñado las Nuevas Tecnologías para reducir las situaciones de dependencia e incrementar la autonomía de las personas con discapacidad.
Según los datos que se arrojan de la presente encuesta, las Nuevas Tecnologías han mejorado la calidad de vida integral de 6 de cada 10 personas con discapacidad. A continuación reflejamos algunos ejemplos de respuestas que demuestran cómo las tecnologías han influido en un incremento de la calidad de vida de los encuestados:
  • El hecho de poder comunicarme con personas con mi misma discapacidad desde el otro lado del mundo, intercambiando experiencias y encontrando nuevos recursos.
  • A través del whatsapp puedo comunicarme de forma escrita e instantánea con mi familia. Éste es un avance importante, pues antes no podíamos hablar por teléfono por lengua de signos.
  • Gracias al teléfono, salgo a la calle con menos miedo: si me pasa algo, sólo tengo que dar a un botón y llamar.
  • Las Apps del Smartphone me permiten adaptarme mejor al entorno social, por ejemplo localizando rutas de ocio adaptado.
  • Internet me permite tener al alcance de la mano herramientas para sobrellevar mis dificultades, y todo a través del móvil, sin necesidad de ordenador.

Incremento de oportunidades VS brecha tecnológica


Las Nuevas Tecnologías ponen sobre la mesa una llamativa dicotomía: por un lado, suponen un importante estímulo para que las personas con discapacidad puedan mejorar su calidad de vida y acceso al empleo. Por otra parte, pueden intensificar la desigualdad si no se actúa sobre algunos ejes estratégicos: formación, adaptación, diseño, asequibilidad, etc.
Así, un 55% sigue encontrando barreras para utilizar las herramientas tecnológicas convencionales. Esto quiere decir que, si bien las adaptaciones tecnológicas están suponiendo un gran avance, aún no son suficientes para cubrir todas las necesidades específicas de las personas con discapacidad.
La mayor parte de estas barreras son de índole económico (22%). Recordemos que las personas con discapacidad presentan unas tasas de pobreza superiores a la media. La ONU alertaba, recientemente, que el 80% de las personas con discapacidad en el mundo viven bajo el umbral de la pobreza. En España, el 65% de las familias con miembros con discapacidad afirma llegar con dificultad a fin de mes. Esta circunstancia, en ocasiones, les impide adquirir  los dispositivos tecnológicos que hoy consideramos convencionales: televisión, ordenador con internet, Tableta, libro electrónico, etc…
Además, un 19% ha hecho alusión a las barreras de tipo formativo: a pesar de contar con nivel adquisitivo, este porcentaje desconoce el modo de utilizar estas herramientas, pues no ha tenido ocasión de recibir formación para el manejo de las mismas. Por último, un 14% destaca barreras de accesibilidad. Es decir, aun contando con recursos económicos y con conocimiento para usar estas herramientas, no puede interactuar con ellas porque no están adaptadas a las circunstancias personales derivadas de su discapacidad.
Tecnología y Discapacidad
Tecnología y Discapacidad- Fundación Adecco y Agilent
Tecnología y Discapacidad- Fundación Adecco y Agilent

Irene Gil
irenegilromero@gmail.com
Periodista. 9 años dedicada a la Comunicación corporativa, profundizando en la situación social y laboral de las personas que lo tienen más difícil.

Biotecnología ¿hacia el fin de la discapacidad?

Biotecnología: ¿hacia el fin de la discapacidad?


La Biotecnología implica un saber multidisciplinario. Se trata de la aplicación tecnológica que utiliza sistemas biológicos y organismos vivos aplicados para producir modificaciones en productos o procesos ya existentes. Entre sus aplicaciones, las ramas de la alimentación y de la salud comienzan a producir resultados impactantes y la proyección de las investigaciones actuales indica que en un plazo relativamente breve será posible utilizarla para combatir diversas dolencias y discapacidades, incluidas las de origen genético.

Desde que el hombre es tal busca mejorar las condiciones de su existencia, en una lucha constante contra enfermedades y fallas o defectos de todo tipo que dificultan su pleno desarrollo, al tiempo que intenta prolongar la vida.

Desde los inicios de su aparición y hasta el siglo XIX, las expectativas de sobrevida se mantuvieron entre 20 y 30 años. A partir de entonces se amplió el rango a 30-40. En el siglo pasado fue creciendo, para ubicarse entre 50 y 65. En la actualidad, el promedio mundial ronda los 68 años.
Ello se debe a una multiplicidad de factores, entre los que los avances en medicina, la invención del microscopio y la aparición de un mundo de agentes patógenos desconocidos hasta entonces, el descubrimiento de las vacunas, los antibióticos y el mapeo del genoma humano son algunos de los hitos importantes que permitieron extender la supervivencia, al permitir identificar y combatir causas y efectos de morbilidad.
La Biotecnología es uno de los más recientes de ellos, con aplicación actual y con un potencial futuro inconmensurable.

La Biotecnología y sus aplicaciones
Como su nombre lo indica, se trata de la tecnología basada en la biología. En ella intervienen otras disciplinas, tales como bioquímica, genética, virología, agronomía, ingeniería, física, química, medicina y veterinaria, por citar algunas.
Las primeras experiencias en este campo respecto de la salud son las vacunas, cuyo impulsor fue el médico inglés Edward Jenner (1749-1823), descubridor de la vacuna antivariólica a comienzos del siglo XIX, paso inicial para terminar con la viruela, epidémica por entonces, erradicada hacia 1980.
Pero desde muchísimo tiempo antes comenzaron la experimentaciones en genética en relación con los cultivos, buscando las simientes más apropiadas o las de mejor rendimiento para cada zona. Otro tanto se hizo en veterinaria, cruzando animales de la misma especie para obtener la mayor pureza, cuyos ejemplos más conocidos son los realizados con el ganado bovino y con los caninos.
Según el Convenio sobre Diversidad Biológica de 1992, se define Biotecnología como "toda aplicación tecnológica que utilice sistemas biológicos y organismos vivos o sus derivados para la creación o modificación de productos o procesos para usos específicos".
En la actualidad, son varias las ramas de actividad que utilizan esta tecnología de la vida, sobre todo en lo que respecta a nutrición y salud.
Respecto de la primera, todos los seres necesitan de energía para poder desarrollar sus tareas. Los humanos, a diferencia de otros menos complejos que sintetizan en su interior los nutrientes a partir de sustancias simples, requieren el consumo de sustancias ya elaboradas, por lo cual se alimentan de vegetales y animales que ya las traen sintetizadas (proteínas, lípidos, glúcidos y ácidos nucleicos).
Si bien abundantes durante la mayor parte de la historia humana, el doble efecto de la expansión demográfica junto con una mayor longevidad y los efectos degradantes del medio ambiente producto de la industrialización llevaron a una encrucijada aun hoy sin resolver: ¿cómo aumentar la producción de alimentos sin continuar dañando a la naturaleza? Es decir, ¿cómo alimentar a un número creciente de personas sin arrasar con la biodiversidad natural?
Como alternativa a la deforestación y a la extinción de animales y plantas, la Biotecnología aparece como una solución plausible.
Apuntábamos que desde tiempos inmemoriales el hombre buscó mejorar sus cultivos. De la comprobación empírica de que determinada variedad era más adecuada para ciertas condiciones a los rudimentos de la genética, se realizó una mutación de ciertas plantas con un altísimo componente de azar en los resultados, puesto que no era posible controlar todos los cambios introducidos. En la actualidad, los procesos y las consecuencias son mucho más controlables.
Ello se debe a que mientras que antaño se combinaban dos cadenas completas, hoy en día solo se transfieren unos pocos genes, aquellos que aseguren que se adicionarán a los organismos las características deseadas.
Además de cultivos que requieren menos espacio, que rinden más, que mejoran sabor, color, digestibilidad o textura, se incorporan otros elementos que potencian el valor alimentario de ciertos vegetales.
Uno de los casos emblemáticos a este respecto es el del denominado “arroz dorado”. Esta variedad incluye beta-caroteno, que favorece la producción de vitamina A, la que, entre otras funciones (formación y crecimiento de las células epiteliales, ayuda a formar tejidos nerviosos, interviene en el crecimiento y manutención de los huesos, etc.), juega un papel importante en preservar la visión y prevenir algunos de sus problemas, puesto que genera los pigmentos imprescindibles para el funcionamiento de la retina. Su carencia es una de las principales causas de ceguera.
Otro tanto puede observarse en la inclusión de carotenoides en otras frutas y hortalizas que no los poseen (intervienen en la coloración), que, además de preservar la visión, también ayudan a la prevención contra el cáncer, los problemas cardíacos y, al ser antioxidantes, protegen a los organismos de los radicales libres y, por lo tanto, del envejecimiento prematuro. Usualmente, son los responsables de los colores amarillo, rojo y anaranjado en el reino vegetal y de muchos en el animal (salmón rosado, por ejemplo).
La modificación genética de algunos granos permite incorporar ácido docosahexanoico, un ácido graso tipo omega-3 solamente disponible a través de los peces, que nuestro cuerpo es incapaz de sintetizar. Resulta vital en el desarrollo del cerebro y de la visión, así como ayuda a disminuir el riesgo coronario, la diabetes de tipo 2, el Alzheimer y el asma. Al incluirse en vegetales, se aumenta su disponibilidad, permitiendo acceder a un mayor número de personas a sus beneficios.
En otros casos, se incrementa el valor de algunos nutrientes presentes en tomates, sorgo, maíz y otros y/o se agregan componentes vitamínicos que mejoran la calidad de alimentación y redundan en un mejora del estado sanitario.
La mayor parte de estos desarrollos se halla en etapa de investigación, aunque algunos de ellos (el mayor poder proteico del maíz para la alimentación de ganado, por ejemplo) se emplean cotidianamente.
Por otro lado, la utilización de transgénicos resistentes a plagas, malas condiciones climáticas, pobreza del suelo y otras condiciones adversas se implementa desde hace algunas décadas, sobre todo en soja, trigo y maíz, permitiendo una mayor productividad.
Los defensores a ultranza de las asociaciones transgénicas aseguran que en el corto plazo la utilización de estas técnicas en la alimentación serán capaces de terminar o, al menos, disminuir el flagelo de la desnutrición (cerca de 900 millones de personas en el mundo la padecen), una de las principales causas de discapacidad y muerte prematura.
En materia de salud, los logros y las posibilidades resultan impactantes.
Las técnicas aplicadas a la investigación del ADN permiten un diagnóstico mucho más preciso de la presencia de enfermedades infecciosas, genéticas y hereditarias.
A través de la secuenciación del ADN, esto es, el orden en que se hallan los nucleótidos A, C, G y T, mediante técnicas depuradas y aparatos se detectan con rapidez y un alto índice de seguridad alteraciones en el ordenamiento y en la composición de estos elementos que forman los ácidos nucleicos (ADN y ARN). Así, es posible establecer la existencia de mutaciones genéticas, el diagnóstico de enfermedades o de infecciones, entre otras aplicaciones prácticas que incluyen la detección de elementos patógenos en alimentos, su utilización para establecer la paternidad y otros usos forenses y en el campo de la investigación de la evolución de las especies.
Otra técnica útil en el diagnóstico es la de PCR (reacción en cadena de la polimerasa), que sirve para amplificar un fragmento de ADN. Al replicarse a gran escala, resulta mucho más fácil identificar con una muy alta probabilidad virus o bacterias causantes de una enfermedad, identificar personas (cadáveres) o hacer investigación científica sobre el ADN amplificado.
Estas y otras técnicas (de base inmunológica fundadas en la reacción antígeno-cuerpo, técnica ELISA, citometría de flujo, inmunofluorescencia, etc.) permiten realizar estudios incruentos para anticiparse a los posibles problemas genéticos (análisis parentales) o para su detección temprana, lo que hace, en muchas ocasiones, que se puedan tomar medidas terapéuticas hasta en los tiempos de gestación, mejorando las expectativas a futuro.
Por otro lado, se ha detectado que los antibióticos tradicionales, algunos de los cuales llevan largo tiempo de uso (penicilina, por ejemplo), generan cepas resistentes entre los microorganismos, lo que lleva a que pierdan efectividad.
La Biotecnología permite que en la actualidad se estén desarrollando otros nuevos y, al mismo tiempo, mejorar la producción de los ya existentes. Ello se realiza introduciendo mayor cantidad de genes que provocan la proliferación de enzimas y hacen más productivos los cultivos. También transferirlas a otros microorganismos de crecimiento más acelerado, como la Escherichia Coli, presente en el intestino, la mayor parte de cuyas variedades son beneficiosas y solamente unas pocas pueden producir enfermedades riesgosas.
También en el terreno de las vacunas y los fármacos las aplicaciones biotecnológicas aportan nuevas perspectivas.
En ese sentido, las vacunas obtenidas de proteínas recombinantes, en lugar de inocular el elemento patógeno atenuado, permite que el propio cuerpo humano se inmunice ante él. Esto se logra introduciendo las enzimas que activan un determinado gen (el que provoca la inmunidad deseada) en el organismo, que se combina con el resto y provoca la indemnidad ante determinados agentes patógenos.
Respecto de los fármacos, los cultivos se realizan en tres sistemas: bacterias, levaduras y en células de mamíferos (solo en laboratorio) por medio de biorreactores o fermentadores industriales, aunque se está experimentando con animales completos y plantas, lo que permitirá una producción mayor y a menor costo. Existe ya una experiencia positiva en la producción de la hormona del crecimiento humano a través de la primera vaca transgénica, realizada en Argentina, cuya leche porta dichas hormonas.
Entre los que se producen a partir de los tres sistemas, el caso más destacado es la utilización de E. Coli para la producción de insulina, pero también se obtienen por este procedimiento anticoagulantes, hormonas de diversa clase, anticuerpos, etc.
Otro de los campos que más expectativas (y algunos logros) presenta la Biotecnología es en el tratamiento de enfermedades y discapacidades.
Entre las esperanzas que despierta está la posibilidad de prevenir y revertir las deficiencias genéticas. En ese sentido, se prevé que en un futuro más o menos próximo se puedan solucionar trisomías, monosomías y otros problemas genéticos.
Mientras ello ocurre, existen diversas áreas en las que se ha avanzado mucho más.
La terapia génica se encuentra en un estado experimental. Con ella se busca reemplazar aquellos genes anormales por otros normales, la reparación de estos últimos o alterar su expresión.
Para ello se utilizan moléculas de ADN recombinante, es decir, aquellas que no portan el defecto para que se combinen con los genes defectuosos, sustituyéndolos o alterándolos de manera de alcanzar la cura o, al menos, importantes mejoras.
Hasta la fecha, se experimenta con seres humanos con riesgos para su vida, a quienes los tratamientos corrientes no aportan solución. 
La terapia con células madre es otra de las técnicas, tal vez la más resonante en los últimos tiempos. Ella se basa en que existen células indiferenciadas en el ser humano (esto es, que no tienen una función específica, como, por ejemplo, las epiteliales, las neuronas, etc.), capaces de adaptarse a la función que el organismo requiera.
Para ello, las investigaciones se orientan a hacerlas crecer en el laboratorio y guiarlas hacia aquellas del tipo deseado, para luego insertarlas en el organismo con el fin de sustituir a las que presentan patología. Al menos en teoría, ello supone que son una fuente renovable de células y tejidos que permitiría tratar muchísimas enfermedades de todo tipo.
Otra rama de la Biotecnología es la fundada en la Nanotecnología, basada en la manipulación molecular y de estructuras a una escala realmente muy pequeña (la milésima parte de un milímetro).
La experimentación en Nanomedicina se orienta a la aplicación o bombardeo de distintas sustancias o partículas en las zonas afectadas por alguna patología. Por ejemplo, respecto del cáncer, se utilizan nanoproyectiles que atacan solamente a las células neoplásicas.
También se desarrollan investigaciones para que algunos medicamentos puedan llegar con precisión y en cantidades más concentradas adonde más se necesita. Ello permitirá, entre otras ventajas, mayor rapidez en la producción de efectos positivos y una sensible disminución en los efectos secundarios que causan muchos medicamentos actualmente al viajar por todo el organismo.
En ese sentido, los tratamientos hoy día se basan en formulaciones genéricas, que si bien tienen en cuenta algunas características de los pacientes (edad, peso, historia clínica, antecedentes familiares, etc.), hacen más foco en la patología que en quien la sufre. Así, las prescripciones farmacológicas para tal o cual enfermedad abarcan un universo enorme de personas. La Biotecnología puede aportar que a esos datos característicos se sumen estudios genéticos fieles que permitan un tratamiento personalizado para cada individuo, lo que redundará en una mayor eficacia en el tratamiento y la dramática disminución de los efectos no deseados en el suministro de medicamentos.

Pero...
Si bien las prácticas asociadas a la Biotecnología ganan cada vez más terreno en la consideración científica, al mismo tiempo generan cierto recelo.
Uno de los aspectos más criticados es el de los cultivos transgénicos. Además de los problemas denunciados de los pesticidas asociados a ellos (que atentan contra la biodiversidad al destruir plantas autóctonas y animales donde se implementan y el riesgo de envenenamiento directo en su aspiración por seres humanos, la contaminación de las aguas, las deforestaciones, etc.), existe incertidumbre sobre las posibles modificaciones genéticas que su incorporación a los organismos (incluidas las personas) puede conllevar en el largo plazo. Esos genes extraños podrían producir (de hecho, lo hacen en cultivos más o menos cercanos) combinaciones indeseadas, que tendrían la capacidad no querida de ser fuente de mutaciones genéticas a futuro, no solo en vegetales, sino también en animales. La ingesta de esos productos alterados directamente o la de ganado alimentado con ellos, se argumenta, es factible que produzca alteraciones relativamente menores (alergias, por ejemplo) o mayores (enfermedades, discapacidad y hasta muerte).
Esta preocupación se extiende a los cambios ambientales que la generalización de estas prácticas puede producir.
Por otro lado, se teme que tanto las actuales técnicas diagnósticas aunadas a la posibilidad de modificar genéticamente organismos impliquen un riesgo no solamente respecto de la diversidad referida al entorno natural (ya bastante castigada), sino que también abarque al ser humano.
La Biotecnología aplicada a las personas implica la necesidad de definir una serie de cuestiones éticas, principalmente, la disyuntiva que se plantea respecto del mayor grado de certeza sobre la discapacidad grave de un neonato sobre si llevar el embarazo a término o no.
En este sentido, se ha planteado en España (pero también en otros países) que la disminución de los casos de Síndrome de Down se ha producido porque la confiabilidad de los diagnósticos prenatales ha llevado al incremento de las prácticas abortivas.
Las técnicas de fertilización asistida que implican la producción de un cierto número de embriones (pueden llegar a diez o más) para luego insertar en el útero el más viable ha generado polémicas sobre qué hacer con los descartados, al tiempo que reaviva las viejas cuestiones eugenésicas, ante la posibilidad a futuro de poder “programar” las características de un niño por venir, eliminando las formas “indeseadas” de aleatoriedad genética, aun cuando ellas no vayan a producir discapacidad o enfermedades en la persona, sino por mero gusto estético o funcional, como en “Un mundo feliz”, de Aldous Huxley.
Y otro tanto ocurre con la clonación, la más espectacular de las derivaciones de la Biotecnología, que hasta ahora ha producido animales idénticos, pero que amenaza desde hace tiempo con extenderse a la réplica de seres humanos.
También está latente la malversación de los conocimientos de esta disciplina, los que pueden utilizarse (como de hecho se han usado) para generar daño, como las armas biológicas, que se han empleado en distintos escenarios bélicos (en la guerra entre China y Japón por este último, en Corea y Vietnam, etc.) o que implican un riesgo por las deficiencias en su almacenamiento, que han provocado muertes entre la población circundante a sus depósitos (ex URSS en 1979).

Para terminar
Más allá de las consideraciones éticas, morales y hasta religiosas, atendibles y a considerar, la Biotecnología abre toda una gama de posibilidades respecto de las enfermedades y la discapacidad.
En un tiempo no muy lejano, enfermedades genéticas, autoinmunes, hereditarias y de todo tipo muy posiblemente no solamente serán detectables en forma temprana, lo que de por sí resultaría un logro importante, sino que es factible que puedan prevenirse y hasta revertirse muchos de los estados mórbidos hoy en día irreversibles.
Sobre la mala utilización de estas herramientas, es un problema que las trasciende, puesto que está en la naturaleza misma de algunos hombres desvirtuar las buenas intenciones. De todas maneras, es necesario bregar por la aplicación correcta de estas tecnologías que prometen dar un salto cualitativo respecto de la calidad de la vida humana.

Ronaldo Pellegrini

fuente: He creado este sitio con el objetivo de crear vínculos más estrechos con quienes están relacionados con la problemática de la discapacidad, informar sobre los derechos, y demás noticias, esperando sean de utilidad para todos ustedes. También crear un espacio para consultas privadas y si poder despejar dudas y dar soluciones concretas a sus inquietudes Por favor envíe su consulta a veronica.velasco@hotmail.com Si quieren visitar mi pagina Web, la direccion es: www.velascoestudio.com.ar

martes, 2 de octubre de 2018

Raymond Kurzweil


Las redes neuronales: qué son y por qué están volviendo


Las redes neuronales: qué son y por qué están volviendo
por Guillermo Julián
Últimamente las redes neuronales están volviendo a la actualidad por los logros que están consiguiendo. Por ejemplo, Google ha logrado derrotar a su propio reCAPTCHA con redes neuronales, en Stanford han conseguido generar pies de fotos automáticamente... Metas bastante impresionantes y que cada vez se acercan más a esa idea original de reproducir el funcionamiento del cerebro humano en un ordenador.
Ahora bien, ¿en qué consisten estos modelos? ¿Cómo puede imitar un ordenador el proceso de aprendizaje y acabar desarrollando una "cosa" que funciona? Hoy en Xataka vamos a profundizar un poco en este tema que tanta atención está logrando, y vamos a empezar, como siempre, por el principio.

¿Cómo funciona una red neuronal?

A pesar de su nombre, las redes neuronales no tienen un concepto demasiado complicado detrás de ellas. El nombre, como podéis imaginar, viene de la idea de imitar el funcionamiento de las redes neuronales de los organismos vivos: un conjunto de neuronas conectadas entre sí y que trabajan en conjunto, sin que haya una tarea concreta para cada una. Con la experiencia, las neuronas van creando y reforzando ciertas conexiones para "aprender" algo que se queda fijo en el tejido.
Ahora bien, por bonito que suene esto, el enfoque biológico no ha sido especialmente útil: las redes neuronales han ido moviéndose para tener un foco en matemáticas y estadística. Se basan en una idea sencilla: dados unos parámetros hay una forma de combinarlos para predecir un cierto resultado. Por ejemplo, sabiendo los píxeles de una imagen habrá una forma de saber qué número hay escrito, o conociendo la carga de servidores de un Centro de Procesamiento de Datos (CPD), su temperatura y demás existirá una manera de saber cuánto van a consumir, como hacía Google. El problema, claro está, es que no sabemos cómo combinarlos.
Las redes neuronales permiten buscar la combinación de parámetros que mejor se ajusta a un determinado problema.
Las redes neuronales son un modelo para encontrar esa combinación de parámetros y aplicarla al mismo tiempo. En el lenguaje propio, encontrar la combinación que mejor se ajusta es "entrenar" la red neuronal. Una red ya entrenada se puede usar luego para hacer predicciones o clasificaciones, es decir, para "aplicar" la combinación.
Para entender bien cómo funciona esta red vamos a ir con un ejemplo. Supongamos que sois alumnos de una clase en la que el profesor no ha dicho exactamente cómo va a poner las notas. Para empezar, supongamos que sólo habéis hecho dos exámenes y tenéis la nota de cada uno de ellos y la final.
Perceptron
La unidad básica de la red neuronal: el perceptrón. Las entradas son las dos notas, n1 y n2, cada una con su correspondiente peso wn (lo que hay que encontrar). La salida, nf, será 1 si está aprobado y 0 si se va a septiembre.
¿Cómo usamos una red neuronal para saber cuánto vale cada examen? Aquí nos bastará con la unidad fundamental de la red neuronal: el perceptrón. Un perceptrón es un elemento que tiene varias entradas con un cierto peso cada una. Si la suma de esas entradas por cada peso es mayor que un determinado número, la salida del perceptrón es un uno. Si es menor, la salida es un cero.
En nuestro ejemplo, las entradas serían las dos notas de los exámenes. Si la salida es uno (esto es, la suma de las notas por su peso correspondiente es mayor que cinco), es un aprobado. Si es cero, suspenso. Los pesos son lo que tenemos que encontrar con el entrenamiento. En este caso, nuestro entrenamiento consistirá en empezar con dos pesos aleatorios (por ejemplo, 0.5 y 0.5, el mismo peso a cada examen) y ver qué resultado da la red neuronal para cada alumno. Si falla en algún caso, iremos ajustando los pesos poco a poco hasta que esté todo bien ajustado.
Por ejemplo, si un alumno con muy buena nota en el segundo examen ha suspendido el curso, bajaremos el peso del segundo examen porque claramente no influye demasiado. Poco a poco acaberemos encontrando los pesos que se ajusten a las notas que puso el profesor. La idea del ajuste o retroalimentación es ir adaptando la red a la información "oculta" que tienen los datos que le pasamos para que aprenda.
Annlayer1
Como decía antes, esto es el ejemplo simple. Quizás queramos complicarlo más, poniendo más exámenes (más nodos de entrada) o queriendo sacar más resultados, como pueda ser un perceptrón cuya salida sea uno si el alumno tiene matrícula de honor.

Multiplicando la potencia: redes multicapa

El ejemplo que he puesto antes funciona pero no se puede decir que sea demasiado potente. Pero quizás es que es demasiado simple. ¿No decíamos al principio que las redes neuronales eran un grupo de neuronas conectadas entre sí? ¿Cómo se logra esa "conexión" en las redes neuronales?
El concepto que nos falta aquí es el de las capas. Y para explicarlo vamos a seguir con nuestro ejemplo del profesor que pone notas sin decir cómo, añadiendo un trabajo que había que entregar.
Resulta que se da una situación curiosa. Hay dos alumnos que tienen la misma nota en los exámenes, dos dieces, pero uno tiene un 7 en el trabajo y otro un 4. El del 7 ha aprobado el curso, pero el del 4 no. Hay un alumno que tiene un 10 en el trabajo y 4.99 en los dos exámenes y que está suspenso.
Podemos intentar entrenar una red neuronal como la de antes todo lo que queramos en esta situación que no va a funcionar bien. Es posible que funcione en muchos casos, pero no va a ser perfecta. Y es que parece que la nota del trabajo no influye salvo que lo suspendas, en cuyo caso estás suspenso directamente. Es un filtro, un uno o un cero que tenemos que sacar en la red neuronal antes de poder dar el resultado de aprobado o suspendido en el curso... Ya deberíais ver por dónde van los tiros.
Efectivamente: necesitamos más capas. Necesitamos un perceptrón intermedio que nos diga si el trabajo está aprobado o no, y contar eso en el perceptrón de salida. Una posiblidad sería una red como la siguiente:
Annlayer2
El primer perceptrón mira si la nota del trabajo multiplicada por menos uno es mayor que menos cinco (o, lo que es lo mismo, si la nota es menor que cinco). Si lo es, entonces su salida es uno. Al multiplicarla por menos diez en la entrada del segundo perceptrón, forzará siempre un suspenso. Si el trabajo está aprobado, la salida del primer perceptrón será 0 y no afectará a la media de los exámenes.
¿Qué hemos logrado con esto? O, más generalmente, ¿para qué nos sirven las capas? Lo que hemos logrado ha sido añadir información que no estaba antes. Cogemos los datos de entrada, los exploramos y sacamos las características que mejor nos ayuden a entender qué está pasando.
Lo más interesante de las capas es algo que aquí no hemos visto. En el ejemplo he puesto otra capa muy burdamente, pero lo que se suele hacer es poner varias con varios nodos, cada uno conectado a todas las entradas anteriores. Lo bueno viene cuando, durante el proceso de aprendizaje, cada capa "aprende" a encontrar y detectar las características que mejor ayudan a clasificar los datos. En nuestro ejemplo, durante el ajuste la primera capa aprendería que los alumnos con el trabajo suspenso suspenden el curso. Si cogiésemos una red para detectar números escritos a mano, puede que las capas ocultas aprendiesen a detectar trazos rectos o curvados que sirvan para decidir si estamos ante un uno o un ocho, por ejemplo.

Más allá de perceptrones: sigmoides, redes profundas y redes convolucionales

Sigmoid
En rojo, la función "escalón". En azul, la sigmoide, una aproximación más suave pero con la misma idea.
Como siempre, hasta ahora nos hemos centrado en simplificaciones para entender bien los conceptos de redes neuronales. En la realidad, las cosas se complican bastante. Por ejemplo, se dejan de usar perceptrones para usar otras "neuronas" con un comportamiento más suave, usando funciones como la sigmoide. La idea es que pequeños cambios en los pesos provoquen pequeños cambios en la salida de la red, para así poder hacer más "fácil" el aprendizaje.
Las capas también se complican. Nos podemos encontrar varias capas intermedias con varias neuronas cada una, llegando a lo que llaman "redes neuronales profundas". La idea es que con más capas con más neuronas cada una se pueden mejorar las predicciones en conjuntos de datos más complicados. Este artículo, por ejemplo, explica desde un punto de vista visual y matemático cómo afectan las multiples capas y unidades al funcionamiento de la red neuronal.
El siguiente paso son redes convolucionales, que están funcionando muy bien en reconocimiento de voz y procesamiento de imágenes. En una red neuronal como las que hemos visto antes, pondríamos una neurona para cada píxel de una imagen y después pondríamos varias capas con varias neuronas, todas conectadas entre sí, para tratar de encontrar un número en una foto, por ejemplo. El problema es que no es demasiado efectivo (imaginaos todos los pesos que habría computar para una red que acepte imágenes de 1920x1080 píxeles).
Convolutionalnetwork
La idea de las redes convolucionales es tratar de buscar características locales en pequeños grupos de entradas (en el caso de las imágenes, de píxeles), como puedan ser bordes o colores más o menos homogéneos. Es la misma idea que comentábamos cuando introducíamos las capas unos párrafos más arriba, pero con una variación: buscamos características no en toda la imagen sino sólo en pequeñas regiones. Además, buscamos siempre detectar la misma característica en todos los grupos, por lo que podemos repetir esa estructura y reducir los ajustes que tenemos que hacer.
Para llevar a cabo esta idea, ponemos un mismo grupo de neuronas por cada grupo de entradas (por ejemplo, un cuadrado de 3x3 píxeles en una imagen o una secuencia de 4 mediciones en un archivo de sonido). La idea es que todos los elementos que metamos en la capa (llamada capa de convolución) tienen los mismos pesos por cada entrada, y se reduce considerablemente el número de parámetros. Si metemos más capas, la red neuronal podrá descubrir más y más complejas características de la imagen: se puede empezar por colores o bordes orientados y acabar con capas que se activan con formas circulares o cuadradas, por poner un ejemplo.
Después de las capas de convolución se suele poner otra red neuronal "tradicional", que ahora tendrá más fácil el trabajo: no tiene que valorar cada píxel por separado sino que mira a un conjunto de características de alto nivel de la imagen. Ya no se trata de decidir si la imagen es un coche sabiendo que el píxel 1208 es amarillo y el 1209 es verde, sino quizás sabiendo que hay una forma rectangular en la imagen con dos formas circulares en la parte inferior. De nuevo, se trata de extraer la información "oculta" en la entrada para tratar de encontrar qué es lo que define esos datos.

¿Una nueva época dorada para redes neuronales?

Neural
Las redes neuronales no son una idea nueva. Datan de los años 40 y 50, cuando se empezaron a publicar los primeros conceptos. Sin embargo, nunca tuvieron un gran éxito, más que nada porque se necesita una cantidad importante de recursos de un ordenador para entrenar y ejecutar una red neuronal con buenos resultados.
En los últimos años se han conseguido grandes avances gracias a la mejora de los ordenadores y al uso de GPUs para este tipo de computaciones. Hace poco os hablábamos en Xataka de los pies de foto generados por ordenadorgracias a una red neuronal de convolución (para el reconocimiento de imagen) junto con una red neuronal recurrente para formar las frases. Los investigadores de Stanford usaron tarjetas GPU para poder entrenar y ejecutar este tipo de redes neuronales en un tiempo razonable.
Reconocimiento de números, de voz, de objetos en imágenes... las redes neuronales están empezando a resolver problemas que se le escapaban a los ordenadores.
Algo parecido montó Google con Street View: una red neuronal convolucional que lograba una precisión del 96% a la hora de reconocer números de calle en las imágenes que toman sus coches. Los de Mountain View están bastante enamorados de las redes neuronales, de hecho: también las usaron para mejorar el reconocimiento de voz de Android o para ahorrar electricidad en sus centros de datos.
Las redes neuronales parece que incluso podrían acabar dominando uno de los juegos que se les resiste a los ordenadores: el juego de Go. En la Universidad de Edimburgo, unos investigadores han logrado usar redes convolucionales para detectar patrones en los tableros y tratar de sacar el mejor movimiento con una efectividad considerable: 90% de juegos ganados contra GNU Go y 10% contra Fuego, dos de los programas que mejor juegan a Go. Aunque pueda parecer poco, hay que tener en cuenta que ambos exploran un buen número de movimientos posibles para ver cuál da más ventaja. La red neuronal sólo mira al estado actual del tablero y emite un veredicto en muchísimo menos tiempo.
Overfitting 1
Por supuesto, estas redes tampoco son la panacea. A modo de curiosidad, unos investigadores usaron una red neuronal para generar imágenes que engañaban a otra red neuronal diseñada para reconocer objetos. Así, lo que a nosotros nos parece una imagen aleatoria, para la red neuronal es un bikini o un armadillo. Es parte del problema del sobreajuste: redes que se comportan muy bien para los datos de ejemplo o parecidos, pero que con datos muy distintos dan resultados absurdos.
Sea como sea, es un campo muy interesante y que promete bastantes avances a corto plazo sobre todo en reconocimiento de imagen y de sonido. Estaremos atentos para ver qué sorpresas nos deparan.
Imagen | NetWork

Teoría de la mente, robótica, inteligencia artificial


Qué es la inteligencia artificial?


La inteligencia artificial. Inicio


Carlos Liendro, al frente de este nuevo proyecto



Las Nuevas Tecnologías al servicio de la discapacidad

Según se desprende del  IV Informe Tecnología y Discapacidad, elaborado por la Fundación Adecco y Keysight,  la contratación de perso...